Aplicação de Visão Computacional para Detecção de Quedas em Ambientes Domésticos Utilizando Redes Neurais YOLO e LSTM (2025)
- Authors:
- Autor USP: BATISTA, KELSON DA SILVA - ICMC
- Unidade: ICMC
- Subjects: ACIDENTE DOMÉSTICO; VISÃO COMPUTACIONAL; REDES NEURAIS; APRENDIZADO COMPUTACIONAL
- Language: Português
- Abstract: O aumento significativo no número de pessoas que moram sozinhas no Brasil, que saltou de 7 milhões em 2010 para 13,7 milhões em 2022, reflete mudanças sociais como o aumento da longevidade, a busca por independência e o trabalho remoto. No entanto, essa realidade traz desafios relacionados à segurança, especialmente em casos de quedas, que podem ser causadas por desmaios, distúrbios cardíacos, epilepsias, derrames ou acidentes domésticos. Para quem se encontra sozinho, a falta de supervisão pode agravar essas situações, levando a complicações graves ou até mesmo ao óbito. Apesar de medidas preventivas, como adaptações no ambiente doméstico, nem sempre é possível evitar acidentes, destacando a necessidade de soluções tecnológicas que garantam respostas rápidas. Este trabalho propõe o desenvolvimento de um modelo de detecção de quedas, através de reconhecimento de atividades humanas (HAR) utilizando técnicas de aprendizado profundo. O modelo proposto será o YOLO e LSTM, que combina Redes Neurais Convolucionais (CNN) com Redes Neurais Recorrentes (RNN) para séries temporais. Essa arquitetura é capaz de realizar classificação de atividades humanas complexas e classificação binária para detecção de quedas (queda e não queda). Os resultados esperados incluem a criação de um sistema funcional capaz de detectar quedas com precisão, utilizando algoritmos de visão computacional. Como direções futuras, planeja-se integrar funcionalidades para o envio automático de mensagens de emergência a familiares, cuidadores ou serviços médicos, além de expandir o sistema para a detecção das várias nuances de desfalecimento (ex. embriaguez, overdose), comportamento anormais (ex. surtos) e de outros tipos de acidentes domésticos, como incêndios ou vazamentos de gás. Conclui-se que a união entre tecnologia e cuidado humano pode salvar vidas e transformar a forma como lidamos com a segurança doméstica, oferecendo soluçõesinovadoras e acessíveis para um problema cada vez mais comum na sociedade moderna.
- Imprenta:
- Publisher place: São carlos
- Date published: 2025
-
ABNT
BATISTA, Kelson da Silva. Aplicação de Visão Computacional para Detecção de Quedas em Ambientes Domésticos Utilizando Redes Neurais YOLO e LSTM. 2025. Trabalho de Conclusão de Curso (MBA) – Instituto de Ciências Matemáticas e de Computação, Universidade de São Paulo, São carlos, 2025. Disponível em: https://bdta.abcd.usp.br/directbitstream/16caf723-644e-440f-9baf-87d9df0f631b/Kelson_da_Silva_Batista_TCC_2025.pdf. Acesso em: 10 mar. 2026. -
APA
Batista, K. da S. (2025). Aplicação de Visão Computacional para Detecção de Quedas em Ambientes Domésticos Utilizando Redes Neurais YOLO e LSTM (Trabalho de Conclusão de Curso (MBA). Instituto de Ciências Matemáticas e de Computação, Universidade de São Paulo, São carlos. Recuperado de https://bdta.abcd.usp.br/directbitstream/16caf723-644e-440f-9baf-87d9df0f631b/Kelson_da_Silva_Batista_TCC_2025.pdf -
NLM
Batista K da S. Aplicação de Visão Computacional para Detecção de Quedas em Ambientes Domésticos Utilizando Redes Neurais YOLO e LSTM [Internet]. 2025 ;[citado 2026 mar. 10 ] Available from: https://bdta.abcd.usp.br/directbitstream/16caf723-644e-440f-9baf-87d9df0f631b/Kelson_da_Silva_Batista_TCC_2025.pdf -
Vancouver
Batista K da S. Aplicação de Visão Computacional para Detecção de Quedas em Ambientes Domésticos Utilizando Redes Neurais YOLO e LSTM [Internet]. 2025 ;[citado 2026 mar. 10 ] Available from: https://bdta.abcd.usp.br/directbitstream/16caf723-644e-440f-9baf-87d9df0f631b/Kelson_da_Silva_Batista_TCC_2025.pdf
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
Kelson_da_Silva_Batista_T... | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
